AI容易让人失去自知之明

俗话说，人贵在有自知之明。但要真想准确认识自己的能力，却并不是一件容易的事情。早在20世纪末，康奈尔大学的研究人员大卫·邓宁和贾斯汀·克鲁格，就发现一个奇怪的现象，在很多领域，人们都倾向于高估自己的能力。经过一系列实验，他们发现，这种现象背后的真相极具反差感，越是能力低的人越容易高估自己的能力和表现，相比之下，能力更强的人反而容易低估自己。

这种认知偏差的现象被称为邓宁-克鲁格效应，其中对自我认识的两种偏差耐人寻味。而最近，多国科学家开展的一项关于人工智能应用的研究发现，这种效应在AI使用的场景中不灵了。具体来看，不论个人的实际能力高低，人们在AI的助力下，任务表现明显好于一般群体，但即便如此，人们在自我评估时，仍普遍高估自己的能力表现。

研究结果显示，当两百多名实验参与者借助AI解决法学院入学考试逻辑推理题时，他们的任务表现相比没用AI的常规群体明显更高，但对比此前预测估计的表现，他们在有了AI的帮助后，其实对自己的表现预期甚至更高，能力和认知之间的偏差更大。相关研究2026年2月发表在《人类行为计算》（Computers in Human Behavior），为AI时代的人们提了一个醒。

准确的自我认识和表现预判，是改善个人决策的前提。对自身能力认识不准确，甚至借助AI后进一步高估自身的表现，可能会导致人们过度依赖AI工具，错失最佳决策。而事实上，对于更理性的人工智能使用者来说，清醒地认识到自身能力所在，并借助AI不断调整自己的行为，才更容易和AI产生合力。从这个视角来看，最新研究中所发现的能力高估现象，并不利于人们在现实中进行理性决策。

关于低能力者对自身的高估，贾斯汀·克鲁格和大卫·邓宁的研究认为，这可能是因为他们能力不足，难以区分准确与错误，因为当时的实验还发现，当人们的逻辑推理能力提升时，自我认知也会更准，更能认识到自身能力的局限性。不过，这种能力提高后重新进行认知校正的现象，在AI使用的问题上也有不同的表现。

按照一般的理解，对AI技术越了解，在预测AI应用效果方面应该更准确。但是，当研究人员测试了最新实验中AI使用者对这一技术概念的理解后，却发现了一个很矛盾的现象。那些AI素养更高的人，在自我表现的预测方面反而更差，更偏离实际情况。这里的AI素养测试包括了解一个人对AI的批判性评价，以及对实际应用的理解，而最核心的是考察一个人对AI的技术原理是否清楚。

比如，是否能描述机器学习模型的训练过程，解释强化学习的工作原理，分清通用人工智能的独特之处，理解计算机传感器为人工智能收集数据的方法，等等。而最终的结果意味着，对这些技术知识越了解的人，反而越容易高估自己使用AI后的表现，自我认知更不准，他们虽然表现出普遍的自信，但却更没有自知之明，无法在使用AI完成任务的同时监测自己的表现。

过度依赖AI而不自知，优先考虑其实用性却不顾人机协作的情况，这种高度的认知偏差，可能导致了实验参与者普遍高估自己表现的情况。研究人员分析，这种偏差可能也是人们面对AI的一种适应性行为。如果复制粘贴这种简单而即时的操作成为一种选项，人们就不太会采取那些更高水平的认知策略，不太愿意只将AI当做一个合作者，而是高度依赖，丧失监测自我认知的动力。

为了解决这一问题，研究人员还额外进行了一项对照实验，尝试利用现金奖励去激发人们准确地评估自己的表现，不论是否使用AI，只要参与者对自己的表现预测得更准确，就能得到更多奖励。但遗憾的是，即便面对着准确预测的奖励，人们对自我评估的准确性仍然没有得到提升。不管是否借助AI完成任务，都持续地高估自身的表现，进一步验证了邓宁-克鲁格效应在AI使用场景中的消失。

AI作为当前充满希望的科技工具，原本承载着让人类发展更好的愿望。但消失的邓宁-克鲁格效应，以及普遍高估自己的现状，显然阻碍了人的自我发展，产生了一些负面的学习结果，让人没有自知之明。AI虽然可以为人类赋能，可以提升做事的效率，甚至直接提高各类学习测试的分数，但个人如果不能对这个人机协作的过程进行监测，不反思，不改进，只是一味地信任和依赖AI，那么看似颇有收获的AI使用，最终可能只带来极其有限的好处，甚至阻碍人们获得真正的好处。

不过，值得注意的是，虽然最新研究系统性地探索了人们利用AI辅助推理的行为，揭示了使用者自我评估时的偏差，但相关研究仍有一些局限。比如，并不属于随机对照实验，一些样本的可比性仍有待提高，而且只关注逻辑推理的任务，还无法广泛地检验其他领域的认知偏差情况。对于AI的使用来说，AI素养的测试结果也不一定能转化为有效的AI使用能力，因此，未来仍有待通过更真实的AI应用场景，来弄清AI使用相关的自我认知问题。

特别是在AI使用中的认知策略方面，人与AI到底是什么关系，AI是人类的工具、合作者，还是团队伙伴，诸如此类的问题，不同的答案和认知策略，预计会对人们的任务表现结果和自我认知准确性，产生不同的影响，而这些差异在最新研究中几乎没有发现，也影响着人们对AI使用问题的理解。但实际上，AI产生的结果可能是多方面的，对不同主体的影响也有所不同。

在这方面，2026年1月，《自然》杂志发表的一项AI如何影响科学的研究，就提供了一个更清晰的量化案例。为了弄清楚AI给科学研究和科学家带来的影响，这项研究分析了四千多万篇自然科学论文，发现相比不用AI的科学家，使用AI的科学家论文发表量和引用量都高出数倍，个人职业发展也更快。但对整个科学事业来说，由于AI的使用，不仅研究主题的丰富度减少，相关的科学互动也少了，研究工作整体向数据丰富的方向倾斜，减弱了对未知世界的探索。

这些来自AI的潜在风险都提醒人们，对AI应用的考量，不仅要兼顾利弊，也要在着眼当下的同时，放眼长远，不断提高AI的使用水平，造福人类社会，而首先要考虑的就是人与AI的关系。使用AI的目的不是让人的能力和认知退化，并最终取代人类，而是要通过不断加强人与AI的协作水平，达到更佳的任务表现效果。因此，使用AI如果让人们普遍高估自己，形成对AI的过度信任和依赖，这并不是一件好事。

对于AI与人究竟如何协作的问题，麻省理工学院的科学家，曾在系统分析了近年的实验结果后发现，AI的使用表现，绝不只是仰仗AI性能单方面的提升，也取决于人类自身的表现。如果在处理一个任务时，人的能力超过了AI，那么二者合作后的总体表现就更好。但相反，如果AI在处理某个任务时比人类表现更强，那么合作之后的总体表现会变差。这意味着，在面对性能不断提升的AI时，人类如何参与协作才能产生更大的合力，正成为一个艰巨的挑战，而如何既用AI又有自知之明，则是其中一个绕不开的问题。